异物侵限检测是轨道交通安全运行的重要课题。我国铁路覆盖面积广、地形环境复杂,因自然灾害或人、物随机侵限事件的发生对列车安全稳定运行造成重大影响。现存铁路异物监测手段主要有司机目视观察、人工巡查、事故频发处定点监控或安装防护网等,无法实现对列车运行环境实时全线监测,且随着轨道交通智能化监测的迅速发展,采用自动化设备实现异物检测已成为不可忽视的现实需求。通过对现有国内外铁路异物检测方法分析,本文采用基于车载双目立体视觉与雷达数据融合的检测方式实现列车运行前方障碍物的检测。本文主要研究内容包括:（1）分析钢轨在图像中的成像特点,设计直线-曲线可切换混合模型作为钢轨的拟合模型。在近视场区域采用累计概率霍夫变换得到直轨参数,针对远视场区域,采用牛顿法线性近似搜索钢轨边界点,并考虑钢轨的灰度特征进行验证筛选。对检测得到的钢轨曲线模型进行等比例扩充,得到图像安全限界模型。（2）对左右摄像机进行离线标定,将拍摄到的列车前方图像序列进行立体匹配得到视差图。将障碍物和钢轨线路平面拆解为不同平面的组合,根据不同平面在U-V视差图中呈现的线段特征完成对异物的识别。采用加权灰度霍夫变换提取图中线段得到障碍物的位置信息,将物体检测框坐标与图像安全限界模型对比判断其是否为侵限物体。（3）设计误差校正实验,通过对雷达实测数据分析,使校正后的横向距离误差控制在0.15m内。将雷达实时定位与电子轨道线路地图进行匹配,得到前方线路信息,结合铁路限界标准、雷达参数和误差校正结果建立当前时刻的检测区域模型。将雷达探测目标坐标与检测区域对比,得到当前时刻障碍物侵限结果。（4）建立时空融合模型,设计基于决策层融合的多传感器的融合策略,以采集时间间隔较慢的雷达数据帧为作为触发器,触发对摄像机的采样操作,实现两者的时间配准;通过空间坐标转换,使同一时刻下的视觉的检测结果与雷达的检测结果统一标定在图像中。对融合后的检测结果进行目标一致性判断并进行危险等级划分。在不同场景下测试结果显示,采用立体视觉与雷达多传感器融合的检测方式应用场景更加丰富,克服单一传感器检测受限的弊端,有效降低漏检率,本文平均检测正确率为89.51%。研究成果对保障轨道交通行车安全具有重要的现实意义和实用价值。